Introducción
La Industria 3.0 fue responsable de la informatización y automatización de la industria manufacturera, lo que dio lugar a que se crearan, almacenaran y analizaran numerosos datos transaccionales y de nivel de ejecución para afinar y mejorar el rendimiento del sistema, creando una sombra digital de la fábrica (instantánea digital). Como parte de esta transformación de la Industria 3.0, se aplicó la analítica de datos para descubrir y comunicar patrones y tendencias significativos. Aunque aplicar la analítica de datos a la información histórica es útil, resulta tedioso e intenta ayudar a las empresas a tomar decisiones sobre el futuro mirando por el retrovisor.
En el mundo actual, las empresas tienen que ser muy ágiles para soportar un entorno empresarial en constante cambio y cada vez más incierto, al tiempo que deben hacer frente a una combinación de productos, servicios, materiales, tecnologías, máquinas y capacidades humanas en rápido crecimiento. Una cadena de suministro de fabricación de éxito requiere la orquestación, coordinación y sincronización de cada uno de estos elementos que operan de forma independiente y cohesionada. A medida que se desarrolla la Industria 4.0, los ordenadores se conectan y se comunican con el objetivo último de tomar decisiones y ejecutar operaciones con una participación humana mínima, pero las empresas están luchando para gestionar estos proyectos de transformación digital multifacéticos y complejos. A continuación se exponen algunos de los principales retos a los que se enfrentan las partes interesadas y los proyectos de transformación en su camino hacia una cadena de suministro de fabricación altamente ágil e "inteligente" (poco contacto/sin contacto):
- Comprensión de los procesos y limitaciones actuales - Aunque las personas han estado trabajando en fábricas y cadenas de suministro durante más de un siglo, todavía es difícil comprender y articular plenamente todos los procesos en detalle, ya que gran parte de la información está compartimentada entre departamentos o diferentes estructuras organizativas dentro de la empresa. La comprensión empieza por identificar todas las limitaciones físicas del proceso de aprovisionamiento de material, así como de producción y distribución de productos a los clientes. También existen muchos documentos diferentes que describen las normas empresariales que rigen el proceso, a menudo contradictorias con la realidad actual. En la mayoría de las organizaciones, una gran parte de los conocimientos técnicos de ejecución y de la lógica de decisión detallada sigue siendo conocimiento tribal y difícil de replicar en cualquier sistema, ya que está contenido en la mente de las personas que toman estas decisiones cotidianas en el taller.
- Identificar las mejores fuentes de datos y agregar datos precisos y relevantes - Comprender la calidad actual y la correlación de los datos entre los distintos sistemas de la empresa es un reto importante, dado que los valores de campos idénticos varían con frecuencia en los distintos sistemas, lo que dificulta determinar la precisión. El nivel de detalle y la frecuencia de registro entre sistemas difieren en función de la aplicación del sistema, lo que hace que la correlación y la agregación de datos sean aún más complejas. Sincronizar las diferentes fuentes de datos para garantizar que todos son pertinentes en el tiempo (misma marca de tiempo) es un reto, ya que algunos sistemas funcionan casi en tiempo real, mientras que otros están orientados a lotes y sólo se ejecutan una vez al día. Identificar las fuentes y el flujo de datos para establecer una canalización de datos pertinente que permita modelar, controlar, elaborar cuadros de mando y analizar los procesos es fundamental para el proceso de transformación.
- Identificar y explorar áreas de transformación y modernización - Es difícil identificar y determinar con precisión el valor que pueden aportar ciertos cambios y optimizaciones de procesos para aumentar el rendimiento de la fábrica o la cadena de suministro. A menudo se exageran ciertas ganancias de rendimiento o valor, lo que da lugar a grandes inversiones de capital en capacidad y ampliaciones de la infraestructura física para el crecimiento futuro y nuevos productos sin una comprensión detallada de los requisitos y el impacto potencial en el negocio. Las iniciativas de automatización y digitalización para mejorar la eficiencia y el rendimiento también suponen un reto. A menudo, estos proyectos se desarrollan de forma aislada, por lo que no dan en el blanco: no aportan el valor general esperado ni la transformación de procesos prevista que se requieren para que la empresa avance hacia la consecución de sus objetivos de transformación digital.
- Predecir con precisión el comportamiento y el rendimiento futuros - La transformación suele implicar muchos aspectos concurrentes de una empresa, incluidos, entre otros, el personal, los procesos, los equipos, los nuevos productos, las ventas, el alcance global y la distribución. Si no se comprende el impacto integral de los cambios propuestos en las operaciones empresariales, se corre el riesgo de no cumplir las expectativas y de malgastar dinero en inversiones que no aportan el valor esperado. Esto incluye comprender el impacto de la automatización (robótica, AMR, manipulación de materiales, etc.), evaluar alternativas para comprender el rendimiento de la inversión de las distintas opciones, y visualizar y presentar los resultados futuros a todas las partes interesadas para su aceptación y la toma de decisiones.
Basándonos en años de experiencia en simulación y análisis, está claro que la forma más eficaz de permitir y facilitar la transformación digital y abordar los retos mencionados anteriormente es crear y utilizar un modelo virtual detallado basado en simulación o Process Digital Twin offline del proceso (es decir, fábrica y/o cadena de suministro). Este modelo puede utilizarse para el diseño y el análisis de los procesos actuales y futuros como solución predictiva. El modelo virtual también puede conectarse a los datos en tiempo real de los sistemas de la empresa para convertirse en el Gemelo Digital de Procesos en línea para el despliegue operativo y la toma de decisiones casi en tiempo real como solución prescriptiva. La tecnología subyacente se describe con más detalle en el Simio Simulation Solution Whitepaper, también disponible en el sitio web de Simio.
Este artículo describe la solución Simio Intelligent Adaptive Process Digital Twin y los distintos flujos de trabajo de transformación digital que pueden apoyarse mediante el uso de esta tecnología. Durante el ciclo de vida de un proyecto de transformación digital y empresarial, surgen diferentes requisitos en las distintas fases del proyecto. Un único Gemelo Digital de Procesos integrado del negocio puede facilitar la evaluación continua tanto del rendimiento actual como del futuro. Además, el modelo Process Digital Twin también puede desplegarse en la nube, proporcionando apoyo a la toma de decisiones operativas, así como programación y orquestación de las operaciones en curso.
Descargar versión PDF